如需要完整文档点击下方 "点击下载文档" 按钮
分层是大气湍流特别是高空湍流显著特征. 在某一固定高度真实光学湍流\begin{document}$ C_n^2 $\end{document}值在平均值上有1—2个量级甚至更大的起伏. 以观测数据建立的湍流廓线模式, 是一个统计平均的结果. 既不能代表某次实际大气湍流廓线的分层特征, 也没有预报功能, 不能完全满足光学工程需求. 受限于计算机的容量和速度, 无法通过DNS (direct numerical simulation)以及LES (large eddy simulation)求解Navier-Stokes方程来预报光学湍流, 解决方案是通过中尺度天气数值预报模式MM5/WRF, 预报出常规气象参数, 再由湍流参数化方案计算出\begin{document}$ C_n^2 $\end{document}. 本文介绍了近地面层、边界层和自由大气层\begin{document}$ C_n^2 $\end{document}预报方法和研究成果, 从湍流动能预报方程和温度脉动方差预报方程详细推导出Tatarski公式, 归纳出该公式所隐含的物理意义和适用条件. 重点介绍了神经网络预报\begin{document}$ C_n^2 $\end{document}和\begin{document}$ C_n^2 $\end{document}估算和预报方法在南极天文选址的最新研究进展. 分析了以实验数据拟合的经验模式、建立在Kolmogorov湍流理论基础之上含有常规气象参数的参数模式、与中尺度气象模式有关的预报模式、基于数据驱动的神经网络方法等不同模式的特点和差异. 强调Kolmogorov湍流理论是现有大气光学湍流参数模式的理论基础.